Andrew Ng 《机器学习》课程一些好的辅助资源汇总(Coursera版本)

- 学习经历

本科二年级，暑假9天刷完，还需要多看看笔记，整理下思路。

---

- 课程笔记

通过记笔记加深印象，理清思路对课程的学习非常有帮助。
虽然说课程有官方的笔记汇总，但毕竟是英文的，而且里面只有对主要知识点的汇总，并没有总体的思路总结。
博客园“python27”博主总结的课程笔记非常好，思路清晰，对我的帮助很大，这里是博客地址。

---

- 作业代码

Coursera版本的一大特色，也是我最喜欢的地方就是编程作业部分。
里面有很大一部分代码是课程方帮你写好了的，你只需要按照给的指导思路完成关键代码即可。
这个作业系统最大的作用是帮你建立对实际的机器学习系统的认识，不再仅仅停留在理论阶段。对理解课程内容非常有帮助。
仅仅敲几行代码就能完成实际系统，虽说对编程能力没有太大提升，但是真的能够增强小白们的信心！（笑)
(另，submit功能真的很酷。)
这里是我的编程作业代码，已经全部通过了验收, Feel free to use!

---

- 课程之外

上完这个课程只能说对机器学习有了一些简单的概念（或许连入门都算不上）。
下面是我整理的较为高阶的一些学习资源，欢迎建议！

1. 国立台湾大学的林轩田教授的《机器学习基石/技巧》课程，据说是入门课程；
2. 《机器学习实战》，一直用的都是Matlab/Octave，通过这本书学习用python构建系统；
3. Washington University在Coursera上的ML课程,分为4部分课程，并不一定需要都学；
4. 无监督特征学习和深度学习教程，也是Ng参与的，可以当做深度学习的入门教程；
5. 拿Kaggle的练习赛练手，应该是个不错的选择；
6. 待续….